有时候我们想要的数据合并结果是数据的轴向连接，在pandas中这可以通过concat来实现。操作的对象通常是Series。

Ipython中的交互代码如下：

In [17]: from pandas import Series,DataFrameIn [18]: series1 = Series(range(2),index = ['a','b'])In [19]: series2 = Series(range(3),index = ['c','d','e'])In [20]: series3 = Series(range(2),index = ['f','g'])In [21]: import pandas as pd

进行三个Series的连接：

In [22]: pd.concat([series1,series2,series3])Out[22]: a 0b 1c 0d 1e 2f 0g 1dtype: int64

默认情况下，pandas执行的是按照axis=0进行连接。如果进行axis=1的连接，结果如下：

In [24]: S1=pd.concat([series1,series2,series3],axis=1)In [25]: S1Out[25]: 0 1 2a 0.0 NaN NaNb 1.0 NaN NaNc NaN 0.0 NaNd NaN 1.0 NaNe NaN 2.0 NaNf NaN NaN 0.0g NaN NaN 1.0In [26]: type(S1)Out[26]: pandas.core.frame.DataFrame

结果是一个DataFrame，回头再看一下前面的Series的连接后的最终类型：

In [27]: type(pd.concat([series1,series2,series3]))Out[27]: pandas.core.series.Series

两种方式的结果并不相同，一个结果是Series，另一个则是DataFrame。

In [29]: series3 = Series(range(2),index = ['f','e'])In [30]: pd.concat([series1,series2,series3])Out[30]: a 0b 1c 0d 1e 2f 0e 1dtype: int64

从上面的一点测试中可以看出，concat的操作仅仅是单纯的连接，并没有涉及到数据的整合。如果想要进行整合，还是使用merge的方法。

以上这篇python pandas中对Series数据进行轴向连接的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。